[트렌드] 2025년 트렌드 : LMM, LAM, AGENT, 그리고 FMOps

Introduction

2023년 ChatGPT로 인해 LLM(Large Language Model)의 시대가 열리면서, 2024년은 LLM이 보다 고도화되면서 RAG, LLMOps 등 많은 시장 및 AI연구에 변화를 주고 있습니다.

마찬가지로, 2025년이 다가오면서 IT 산업은 다시 한번 급격한 변화를 맞이하고 있습니다. 이번 글에서는 다가올 2025년 AI의 핵심 기술인 LMM, LAM, 온디바이스 AI, AI 에이전트, 임베디드 AI, 그리고 FMOps(FM Operations)에 대해 다뤄보도록 하겠습니다.

해당 글을 아래 유튜브 영상을 시청 후 추가적으로 조사하여 작성하였습니다. 강연 홍보 또는 채널 홍보 목적이 아닌 본인의 공부 및 자료 조사 목적으로 작성된 글입니다.

• “슈퍼 AI에이전트 놓고 빅테크 패권경쟁이 시작된다” (김지현 부사장) - 링크
  

• 5가지 키워드 - LMM, LAM, 온디바이스AI, AI에이전트, 임바디드AI - 링크
  

강의에서는 LMM, LAM, 온디바이스 AI, AI 에이전트, 임베디드 AI와 같은 기술들이 2025년에 AI 산업의 주요 트렌드를 형성할 것이라고 이야기하며, 이를 소개합니다. (FMOps는 자체적으로 추가함)

1. Large Multimodal Model (LMM)

LMM(Large Multimodal Model)은 AI가 다양한 유형의 데이터를 동시에 처리하고 이해하는 시스템입니다. LMM이 중요해지는 이유는 AI가 단순히 텍스트뿐만 아니라 이미지, 비디오, 오디오 등 다양한 데이터를 통합적으로 처리하는 것이 필수적이기 때문입니다. 현대 사회에서 정보는 텍스트 외에도 시각적, 청각적 요소로 풍부하게 표현되고 있으며, 이러한 데이터를 동시에 처리할 수 있는 AI가 새로운 표준이 되고 있습니다.

🔎 왜 중요해지는가?

• 다양한 모달리티: 인간은 세상을 다양한 감각(시각, 청각, 촉각 등)을 통해 이해합니다. AI가 이러한 모달리티를 처리할 수 있어야 보다 자연스럽고 정교한 결과를 도출할 수 있습니다.
• AI의 응용 범위 확장: 자율주행, 의료 영상 분석, 비디오 편집 등 다양한 분야에서 AI가 더 많은 정보를 처리해야 하므로, 단순 텍스트 외에도 이미지와 비디오, 소리 데이터를 이해하는 능력이 중요해집니다.
• 비즈니스 도메인의 활용성: LMM은 여러 유형의 데이터를 통합하여 고객 서비스를 향상시키고, 복잡한 상황을 보다 정확하게 분석할 수 있어, 고객 경험 개선과 효율성 증대에 기여합니다.

💡 주요 특징:

• 다양한 데이터 유형의 통합 처리: 한 모델이 여러 모달리티(텍스트, 이미지, 소리 등)를 이해함으로써 더 깊이 있는 분석을 수행합니다.
• 복잡한 상호작용의 파악: 데이터 간 관계와 상호의존성을 파악해 더 정확한 결과를 도출합니다.
• 실생활 응용: 예를 들어, GPT-4는 텍스트 생성뿐만 아니라 이미지와 오디오 데이터를 처리할 수 있는 LMM의 대표적인 예입니다.

LMM은 자율주행, 의료 영상 분석, 멀티미디어 서비스 등에서 강력한 도구로 활용될 수 있습니다.

2. Large Action Model (LAM)

LAM(Large Action Model)은 사용자의 행동을 이해하고, 더 나아가 실제로 행동을 취할 수 있는 능력을 갖춘 모델입니다. AI가 단순히 데이터를 분석하고 답변하는 수준을 넘어, 실제로 작업을 실행하는 단계로 발전함에 따라 LAM은 필수적인 기술로 자리 잡고 있습니다.

🔎 왜 중요해지는가?

• 자동화의 진화: 기업들은 점점 더 많은 작업을 자동화하려는 욕구가 커지고 있습니다. LAM은 복잡한 작업을 자동으로 실행함으로써 생산성을 극대화할 수 있습니다.
• 사용자 경험의 혁신: LAM은 AI가 단순히 답변을 제공하는 것이 아니라, 웹 탐색, 앱 조작, 실제 물리적 작업(예: 로봇 조작)까지 가능하게 하여 사용자 경험을 크게 향상시킵니다.
• 실제 행동 수행: 예를 들어, LAM은 자율주행차에서 운전, 로봇 팔 제어 등 물리적 행동을 직접적으로 수행하는 데 필수적입니다. 이는 인간의 개입 없이도 AI가 환경과 상호작용하는 능력을 크게 확장합니다.

💡 주요 특징:

• 사용자 행동 학습: 사용자의 행동 패턴을 학습해 더 정교한 의사결정과 실행을 수행합니다.
• 실제 작업 수행: 웹 탐색, 앱 조작 등 다양한 작업을 자동으로 실행할 수 있습니다.
• 다양한 활용 가능성: LAM은 로봇 공학, 자동화 시스템, 사용자 맞춤형 서비스에 적용되어 복잡한 문제를 해결합니다.

LAM은 인간의 일상 작업을 자동화하고 사용자 경험을 향상시키는 데 큰 역할을 할 수 있습니다.

3. 온디바이스 AI

온디바이스 AI는 AI가 클라우드에 의존하지 않고 기기 자체에서 실시간으로 처리되는 기술입니다. 2025년에 온디바이스 AI가 중요해지는 이유는 속도, 개인정보 보호, 비용 절감 때문입니다. 디바이스에서 직접 AI 연산이 이루어지면, 데이터 전송 지연이 없고, 인터넷 연결이 불안정한 환경에서도 안정적인 AI 기능을 제공할 수 있습니다.

🔎 왜 중요해지는가?

• 실시간 처리 요구: 스마트폰, 자율주행차, 드론 등 실시간으로 빠르게 결정해야 하는 기기에서는 클라우드로 데이터를 보내고 응답을 기다리는 것이 비효율적입니다. 온디바이스 AI는 실시간 처리를 가능하게 합니다.
• 개인정보 보호: 데이터가 클라우드로 전송되지 않고 기기 내에서 처리됨으로써 개인정보 보호가 강화됩니다. 이는 의료, 금융 등 민감한 데이터를 다루는 분야에서 특히 중요합니다.
• 비용 절감: 클라우드에서 대규모 AI 모델을 운영하는 것은 비용이 많이 들기 때문에, 온디바이스 AI는 더 경제적인 대안으로 떠오르고 있습니다. 이는 소형 모델(sLLM)을 사용하여 성능을 유지하면서도 비용과 에너지 소모를 줄일 수 있습니다.

💡 주요 특징:

• 실시간 처리: 클라우드와의 데이터 전송 없이 기기 내에서 즉각적인 처리와 응답을 제공합니다.
• 개인정보 보호: 데이터가 클라우드로 전송되지 않기 때문에 개인정보가 외부로 유출될 위험이 적습니다.
• 소형 모델 사용: 제한된 하드웨어 자원에서도 효율적으로 동작할 수 있도록 최적화된 소형 언어 모델(sLLM)을 사용합니다.

온디바이스 AI는 자율주행 자동차, 스마트폰, 스마트 가전 등 다양한 디바이스에서 활용될 수 있으며, 2025년에는 더 많은 산업 분야에서 이를 채택할 것으로 예상됩니다.

4. AI 에이전트

AI 에이전트는 사용자를 대신해 자율적으로 의사결정을 내리고 행동하는 지능형 시스템입니다. AI 에이전트가 중요해지는 이유는 자동화된 의사결정과 맞춤형 서비스에 대한 수요가 증가하고 있기 때문입니다. 특히 2세대 AI 에이전트는 기존의 AI 어시스턴트보다 더 정교하고 강력한 기능을 제공합니다.

🔎 왜 중요해지는가?

• 개인 맞춤형 서비스: AI 에이전트는 개인의 선호도와 행동 패턴을 학습하여 맞춤형 서비스를 제공할 수 있습니다. 예를 들어, AI가 사용자의 일정 관리, 쇼핑, 엔터테인먼트 추천 등을 자율적으로 처리합니다.
• 비즈니스 활용: 기업 환경에서 AI 에이전트는 업무 자동화와 의사결정 지원을 제공할 수 있습니다. 이를 통해 직원의 업무 부담을 줄이고, 효율성을 극대화할 수 있습니다.
• 디지털 혁신: AI 에이전트는 고객 서비스, 전자상거래, 산업용 로봇 등 다양한 분야에서 실시간 의사결정과 실행을 가능하게 합니다. 특히 기업의 생산성 향상과 고객 맞춤형 서비스 제공이 가능해지면서 AI 에이전트는 2025년 중요한 기술로 부상하고 있습니다.

💡 주요 특징:

• 자율적 의사결정: AI 에이전트는 환경을 인식하고 스스로 적절한 행동을 선택합니다.
• 다양한 응용: AI 에이전트는 고객 서비스, 자동화된 의사결정, 스마트 가전 등 여러 분야에서 활용됩니다.
• 퍼스널 및 비즈니스 AI 에이전트: AI 에이전트는 개인화된 비서 역할을 할 수 있는 퍼스널 AI(PAA)와 기업의 업무 자동화를 돕는 비즈니스 AI(BAA)로 나뉩니다.

AI 에이전트는 2025년이 되면 더욱 발전하여 스마트폰 앱, 웹 서비스, 심지어는 물리적 디바이스까지 자율적으로 제어하는 데 쓰일 것입니다.

🔥 슈퍼 AI 에이전트
최근, 슈퍼 AI 에이전트라는 단어도 많이 나오고 있는데요. 슈퍼 AI 에이전트란. 단순한 정보 제공을 넘어 복잡한 의사결정과 자동화를 구현할 수 있는 미래형 기술을 말합니다.

• 슈퍼 AI 에이전트는 일반적인 AI 에이전트보다 더 높은 수준의 지능과 능력을 가진 인공지능 시스템을 의미합니다. 이 개념은 아직 완전히 실현되지 않았지만, 현재의 AI 기술을 뛰어넘는 고도의 자율성과 문제 해결 능력을 갖춘 AI를 상정합니다.
• Perplexity 대표는 검색에서의 슈퍼AI에이전트는 더이상 웹브라우져가 필요없을 것이고, 비행기 예약, 이메일 작성, 일정 관리 등을 직접 처리해주게 될 수 있을 것이라고 얘기하고 있습니다.
• 집의 모습을 상상해 본다면, LLM을 활용하여 스마트홈 기기와 상호 연동해 초개인화된 자동화 시스템을 제공하는 등, 사용자 명령 없이도 스스로 학습하고 대응할 수 있는 수준까지 발전할 수도 있다는 거죠. (우리가 예전에 상상했던 진정한 의미의 스마트 홈)

🤖 다양한 인공지능 비서
AI 기술의 발전으로 개인비서 서비스는 크게 개인용 개인비서(PAA, Personal AI Assistant)와 기업용 개인비서(BAA, Business AI Assistant)로 나뉘어 발전하고 있습니다.

• PAA (개인용 AI 비서) : PAA는 일상생활에서 개인 사용자를 지원하는 AI 기반 서비스로, 일상적인 작업을 지원하고 개인화된 서비스를 제공합니다.
  • 대표적으로 SK텔레콤의 A.(에이닷)이 있습니다. 이 서비스는 통화 녹음 요약, 통역, 음악 서비스, 수면 분석 등을 지원하며, 나만의 AI 개인비서로 진화 중입니다.
• BAA (기업용 AI 비서) : BAA는 기업 환경에서 업무 효율성을 높이는 AI 서비스입니다.
  • SK텔레콤의 AI 고객센터가 대표적인 예로, 고객 편의성을 향상시키고 운영 효율성을 극대화하는 역할을 합니다. 이러한 AI 비서는 업무 자동화와 고객 서비스 개선에 기여하고 있습니다.

5. 임베디드 AI

임베디드 AI는 하드웨어 시스템에 직접 통합된 AI 기술로, 엣지 컴퓨팅과 밀접한 관련이 있습니다. 임베디드 AI가 중요해지는 이유는 사물인터넷(IoT)과 엣지 컴퓨팅의 발전에 있습니다. 스마트 홈, 자율주행차, 산업용 로봇 등에서 실시간 데이터 처리가 요구되면서 임베디드 AI는 필수적인 기술로 떠오르고 있습니다.

🔎 왜 중요해지는가?

• 실시간 반응성: 임베디드 AI는 클라우드로 데이터를 보내는 것이 아니라 디바이스 자체에서 실시간 처리를 하므로, 빠른 응답이 필요한 상황에서 필수적입니다. 예를 들어, 자율주행차는 매우 짧은 시간 내에 장애물을 피해야 하므로 임베디드 AI가 필요합니다.
• 네트워크 의존성 감소: 임베디드 AI는 인터넷 연결 없이도 독립적으로 AI 기능을 수행할 수 있어, 네트워크가 불안정하거나 없는 환경에서도 동작할 수 있습니다.
• 엣지 컴퓨팅의 필수 기술: 임베디드 AI는 엣지 디바이스에서 AI를 실행하여 데이터 전송 비용을 줄이고, 클라우드에 의존하지 않으면서도 강력한 AI 기능을 제공하는 데 핵심적인 역할을 합니다.

💡 주요 특징:

• 실시간 응답: 클라우드와의 통신 없이 데이터 처리가 즉각적으로 이루어집니다.
• 제한된 리소스 환경에서 최적화: 소형 디바이스에서도 효율적으로 작동할 수 있는 AI 알고리즘이 탑재됩니다.
• 다양한 응용 분야: 임베디드 AI는 자율주행 차량, 스마트 홈 기기, 산업용 로봇 등에 적용됩니다.

2025년에는 임베디드 AI가 더 많은 분야에 적용되어, 더욱 지능적이고 실시간 응답성이 높은 제품들이 출시될 것입니다.

6. FMOps (Foundation Model Operations)

Fmops(FM Operations)는 대규모 언어 모델(LLM)을 효율적으로 관리하고 운영하는 방법론입니다. Fmops가 중요해지는 이유는 대규모 AI 모델을 효과적으로 운영하고 유지보수하는 데 필요한 인프라가 복잡해지고 있기 때문입니다. LLM이나 LMM 같은 기반 모델이 다양한 산업에 도입되면서, 이를 체계적으로 운영할 수 있는 방법론이 필요합니다.

🔎 왜 중요해지는가?

• AI 운영의 복잡성 증가: 대규모 AI 모델을 운영하고 유지하는 데 필요한 인프라와 기술이 복잡해지면서, 이를 효율적으로 관리하는 방법론이 필요합니다. Fmops는 이러한 복잡성을 줄이고 운영의 효율성을 높여줍니다.
• AI 민주화: Fmops는 노코드/로우코드 솔루션을 통해 비전문가도 AI 애플리케이션을 개발할 수 있도록 지원함으로써, AI의 대중화를 촉진하고 있습니다.
• AI 운영 자동화: 프롬프트 엔지니어링, 모델 최적화, 배포 등의 과정이 자동화되어, 개발 시간과 비용을 절감할 수 있습니다. 이는 특히 다양한 산업에서 AI 애플리케이션을 신속하게 적용하는 데 중요한 요소가 됩니다.
• 할루시네이션 문제 해결: Fmops는 프롬프트 관리와 모델 최적화를 통해 잘못된 정보 생성을 줄이고, 더 신뢰할 수 있는 AI 응답을 제공하는 데 기여합니다.

💡 주요 특징:

• AI 애플리케이션의 관리 및 최적화: LLM 기반 애플리케이션의 효율적인 운영을 돕는 체계적인 방법론을 제공합니다.
• 노코드/로우코드 지원: 비전문가도 AI 애플리케이션을 쉽게 개발할 수 있도록 돕는 플랫폼을 지원합니다.
• 프롬프트 엔지니어링 중심: AI 모델의 성능을 극대화하기 위해 프롬프트 관리와 최적화가 중요하며, Fmops는 이를 쉽게 설계하고 관리할 수 있게 해줍니다.
• 엔드-투-엔드 플랫폼: 개발부터 배포, 모니터링, 유지보수까지 전 과정을 단일 플랫폼에서 관리할 수 있어, AI 프로젝트의 복잡성을 줄이고 효율성을 높입니다.

Fmops는 2025년에 LLM과 같은 대규모 AI 모델의 운영과 관리를 효율적으로 할 수 있는 필수 도구로 자리 잡을 것입니다. 특히, 프롬프트 엔지니어링과 모델 최적화를 중심으로 한 AI 애플리케이션의 발전은 Fmops를 통해 더 쉽게 구현될 수 있습니다.

Conclusion

2025년에는 AI 기술이 더 실질적이고 광범위한 변화를 일으킬 것입니다. LMM과 LAM은 복잡한 데이터를 처리하고 사용자 행동을 예측하며, 온디바이스 AI와 임베디드 AI는 실시간 처리와 개인정보 보호 측면에서 중요한 역할을 할 것입니다. AI 에이전트는 개인과 기업의 작업을 자동화하고, Fmops는 대규모 AI 모델을 효율적으로 관리하는 데 필수적인 도구로 자리 잡을 것입니다.

이러한 기술들을 이해하고 준비하는 기업과 개발자들은 AI 시대에서 큰 경쟁력을 갖추게 될 것입니다. 2025년에는 AI 기술이 더 많은 산업에 스며들며, 우리의 삶과 비즈니스의 방식을 혁신할 것입니다. AI 기술의 빠른 발전을 주시하고, 이 변화에 적극적으로 대응하는 것이 중요합니다.